glicoingeniería

¿Qué hace glicoingeniería?

Resumen

La glicosilación es la modificación postraduccional (PTM) de proteínas más común y compleja, afectando a más del 50% de todas las proteínas humanas. Los glicanos regulan el plegamiento, la estabilidad, el reconocimiento inmunitario, las interacciones con receptores y la farmacocinética de las proteínas terapéuticas. La glicoingeniería implica la modificación racional de los patrones de glicosilación para mejorar la eficacia terapéutica, la estabilidad o la evasión inmune.

Dos tipos principales de glicosilación:

• N-glicosilación: Unida a asparagina (N) en la secuencia N-X-[S/T] donde X ≠ Prolina; ocurre en el RE/Golgi
• O-glicosilación: Unida a serina (S) o treonina (T); no tiene un motivo de consenso estricto; principalmente iniciación con GalNAc

Cuándo usar esta habilidad

Usa esta habilidad cuando:

• Ingeniería de anticuerpos: Optimizar la glicosilación del Fc para mejorar ADCC, CDC o reducir inmunogenicidad
• Diseño de proteínas terapéuticas: Identificar sitios de glicosilación que afectan la vida media, estabilidad o inmunogenicidad
• Diseño de antígenos de vacunas: Diseñar escudos de glicanos para enfocar respuestas inmunitarias en epítopos conservados
• Caracterización de biosimilares: Comparar patrones de glicanos entre un referente y un biosimilar
• Análisis de dianas farmacológicas: ¿La glicosilación afecta la unión a un receptor?
• Estabilidad de proteínas: Los N-glicanos a menudo estabilizan proteínas; identificar sitios para mutaciones estabilizadoras

Análisis de secuencia N-glicosilación

Escaneo de sitios de N-glicosilación

La N-glicosilación ocurre en la secuencia N-X-[S/T] donde X ≠ Prolina.

import re
from typing import List, Tuple

def find_n_glycosylation_sequons(sequence: str) -> List[dict]:
    """
    Escanea una secuencia de proteína en busca de secuencias canónicas de N-glicosilación.
    Motivo: N-X-[S/T], donde X ≠ Prolina.

    Args:
        sequence: Secuencia de aminoácidos en notación de una letra

    Returns:
        Lista de diccionarios con posición (base 1), motivo y contexto
    """
    seq = sequence.upper()
    results = []
    i = 0
    while i <= len(seq) - 3:
        triplet = seq[i:i+3]
        if triplet[0] == 'N' and triplet[1] != 'P' and triplet[2] in {'S', 'T'}:
            context = seq[max(0, i-3):i+6]  # contexto ±3 residuos
            results.append({
                'position': i + 1,   # base 1
                'motif': triplet,
                'context': context,
                'sequon_type': 'NXS' if triplet[2] == 'S' else 'NXT'
            })
            i += 3
        else:
            i += 1
    return results

def summarize_glycosylation_sites(sequence: str, protein_name: str = "") -> str:
    """Genera un resumen de registro de investigación de los sitios de N-glicosilación."""
    sequons = find_n_glycosylation_sequons(sequence)

    lines = [f"# Análisis de secuencia N-glicosilación: {protein_name or 'Proteína'}"]
    lines.append(f"Longitud de secuencia: {len(sequence)}")
    lines.append(f"Total de secuencias N-glicosilación: {len(sequons)}")

    if sequons:
        lines.append(f"\nSitios N-X-S: {sum(1 for s in sequons if s['sequon_type'] == 'NXS')}")
        lines.append(f"Sitios N-X-T: {sum(1 for s in sequons if s['sequon_type'] == 'NXT')}")
        lines.append(f"\nDetalles de sitios:")
        for s in sequons:
            lines.append(f"  Posición {s['position']}: {s['motif']} (contexto: ...{s['context']}...)")
    else:
        lines.append("No se detectaron secuencias canónicas de N-glicosilación.")

    return "\n".join(lines)

# Ejemplo: Región Fc de IgG1
fc_sequence = "APELLGGPSVFLFPPKPKDTLMISRTPEVTCVVVDVSHEDPEVKFNWYVDGVEVHNAKTKPREEQYNSTYRVVSVLTVLHQDWLNGKEYKCKVSNKALPAPIEKTISKAKGQPREPQVYTLPPSREEMTKNQVSLTCLVKGFYPSDIAVEWESNGQPENNYKTTPPVLDSDGSFFLYSKLTVDKSRWQQGNVFSCSVMHEALHNHYTQKSLSLSPGK"
print(summarize_glycosylation_sites(fc_sequence, "IgG1 Fc"))

Mutación de sitios de N-glicosilación

def eliminate_glycosite(sequence: str, position: int, replacement: str = "Q") -> str:
    """
    Elimina un sitio de N-glicosilación sustituyendo Asn → Gln (conservativa).

    Args:
        sequence: Secuencia de proteína
        position: Posición base 1 de la Asn a mutar
        replacement: Aminoácido a sustituir (por defecto Q = Gln; tamaño similar, no glicosilado)

    Returns:
        Secuencia mutada
    """
    seq = list(sequence.upper())
    idx = position - 1
    assert seq[idx] == 'N', f"La posición {position} es '{seq[idx]}', no 'N'"
    seq[idx] = replacement.upper()
    return ''.join(seq)

def add_glycosite(sequence: str, position: int, flanking_context: str = "S") -> str:
    """
    Introduce un sitio de N-glicosilación mutando un residuo a Asn,
    asegurando que X ≠ Pro y +2 = S/T.

    Args:
        position: Posición base 1 donde introducir Asn
        flanking_context: 'S' o 'T' en posición+2 (si se necesita modificación)
    """
    seq = list(sequence.upper())
    idx = position - 1

    # Mutar a Asn
    seq[idx] = 'N'

    # Asegurar que X+1 != Pro (mutar a Ala si es necesario)
    if idx + 1 < len(seq) and seq[idx + 1] == 'P':
        seq[idx + 1] = 'A'

    # Asegurar que X+2 = S o T
    if idx + 2 < len(seq) and seq[idx + 2] not in ('S', 'T'):
        seq[idx + 2] = flanking_context

    return ''.join(seq)

Análisis de O-glicosilación

Predicción heurística de puntos calientes de O-glicosilación

def predict_o_glycosylation_hotspots(
    sequence: str,
    window: int = 7,
    min_st_fraction: float = 0.4,
    disallow_proline_next: bool = True
) -> List[dict]:
    """
    Puntuación heurística de puntos calientes de O-glicosilación basada en la densidad local de S/T.
    No sustituye a NetOGlyc; usar como línea base rápida.

    Reglas:
    - La O-GalNAc glicosilación se agrupa en segmentos ricos en Ser/Thr
    - Marcar residuos Ser/Thr en ventanas enriquecidas con S/T
    - Evitar S/T seguido inmediatamente por Pro (los motivos TP/SP inhiben GalNAc-T)

    Args:
        window: Tamaño impar de ventana para densidad local de S/T
        min_st_fraction: Fracción mínima de S/T en ventana para marcar sitio
    """
    if window % 2 == 0:
        window = 7
    seq = sequence.upper()
    half = window // 2
    candidates = []

    for i, aa in enumerate(seq):
        if aa not in ('S', 'T'):
            continue
        if disallow_proline_next and i + 1 < len(seq) and seq[i+1] == 'P':
            continue

        start = max(0, i - half)
        end = min(len(seq), i + half + 1)
        segment = seq[start:end]
        st_count = sum(1 for c in segment if c in ('S', 'T'))
        frac = st_count / len(segment)

        if frac >= min_st_fraction:
            candidates.append({
                'position': i + 1,
                'residue': aa,
                'st_fraction': round(frac, 3),
                'window': f"{start+1}-{end}",
                'segment': segment
            })

    return candidates

Herramientas externas de glicoingeniería

1. NetOGlyc 4.0 (predicción de O-glicosilación)

Servicio web para predicción de alta precisión de sitios O-GalNAc:

• URL: https://services.healthtech.dtu.dk/services/NetOGlyc-4.0/
• Entrada: Secuencia de proteína en FASTA
• Salida: Puntuaciones de probabilidad de O-glicosilación por residuo
• Método: Red neuronal entrenada con sitios O-GalNAc verificados experimentalmente

import requests

def submit_netoglycv4(fasta_sequence: str) -> str:
    """
    Envía secuencia al servicio web NetOGlyc 4.0.
    Devuelve la URL del trabajo para recuperación de resultados.

    Nota: Utiliza el servicio web de DTU Health Tech. Los resultados tardan ~1-5 min.
    """
    url = "https://services.healthtech.dtu.dk/cgi-bin/webface2.cgi"
    # Envío de NetOGlyc (los parámetros pueden variar según la versión del servicio web)
    # Recomendamos usar la interfaz web directamente para la mayoría de los casos de uso
    print("Enviar secuencia en: https://services.healthtech.dtu.dk/services/NetOGlyc-4.0/")
    return url

# También: NetNGlyc para predicción de N-glicosilación
# URL: https://services.healthtech.dtu.dk/services/NetNGlyc-1.0/

2. GlycoSHIELD (Análisis de escudo de glicanos)

GlycoSHIELD injerta librerías de conformeros de glicanos pre-simulados en una estructura proteica estática y puntúa cuánta superficie de la proteína es protegida por los glicanos, sin necesidad de ejecutar nueva DM (Tsai et al., Cell 2024, doi:10.1016/j.cell.2024.01.034):

• URL: https://gitlab.mpcdf.mpg.de/dioscuri-biophysics/glycoshield-md/ (aplicación web: https://glycoshield.eu)
• Uso: Modelar el escudo de glicanos en una glicoproteína y mapear la protección por residuo
• Salida: Conjuntos PDB/XTC glicosilados por sitio, gráfico de protección por residuo, PDB con protección en la columna B-factor

GlycoSHIELD no está en PyPI — uv pip install glycoshield falla. Se distribuye como tres scripts sobre un pequeño paquete glycoshield (necesita numpy, scipy, matplotlib, MDAnalysis; GlycoSASA.py también necesita gmx de GROMACS en PATH). Instalar desde el repositorio clonado:

# Instalación (GPL-3.0). Las librerías de conformeros de glicanos se descargan por separado —
# consulte glycan_library_downloader.py y GLYCAN_LIBRARY/ en el repositorio.
git clone https://gitlab.mpcdf.mpg.de/dioscuri-biophysics/glycoshield-md.git
cd glycoshield-md
uv pip install -e .

# 1. Injerir conformeros de glicanos en cada secuencia listada en el archivo de entrada.
#    Una línea por sitio: <chain> <res-1,res,res+1> <1,2,3> <glycan.pdb> <glycan.xtc> <out.pdb> <out.xtc>
python GlycoSHIELD.py --protpdb protein.pdb --inputfile sequons_input \
    --threshold 3.5 --mode CG --shuffle-sugar

# 2. Puntuación de protección por residuo en los conjuntos injertados (radios de sonda en nm)
python GlycoSASA.py --pdblist A_463.pdb,A_492.pdb --xtclist A_463.xtc,A_492.xtc \
    --probelist 0.14,0.25 --plottrace

Ilustrativo: las banderas provienen de las definiciones argparse de los scripts y del tutorial original (N-cadherina EC5 con glicanos Man5); no se ejecutaron aquí. --mode CG verifica colisiones solo con átomos Cα y se combina con --threshold 3.5; --mode All con --threshold 0.7 es la configuración de todos los átomos.

3. GlycoWorkbench (Dibujo/Análisis de estructuras de glicanos)

• URL: https://www.eurocarbdb.org/project/glycoworkbench
• Uso: Dibujar estructuras de glicanos, calcular masas, anotar espectros de EM
• Formato: GlycoCT, notación IUPAC condensada de glicanos

4. GlyConnect (Base de datos de glicano-proteína)

• URL: https://glyconnect.expasy.org/
• Uso: Encontrar glicoproteínas y sitios de glicosilación verificados experimentalmente
• Consulta: Por proteína (ID UniProt), estructura de glicano o tejido

import requests

def query_glyconnect(uniprot_id: str) -> dict:
    """Consulta GlyConnect para datos de glicosilación de una proteína."""
    url = f"https://glyconnect.expasy.org/api/proteins/uniprot/{uniprot_id}"
    response = requests.get(url, headers={"Accept": "application/json"})
    if response.status_code == 200:
        return response.json()
    return {}

# Ejemplo: consultar glicosilación de EGFR
egfr_glyco = query_glyconnect("P00533")

5. UniCarbKB (Base de datos de estructuras de glicanos)

• URL: https://unicarbkb.org/
• Uso: Navegar por estructuras de glicanos, buscar por masa o composición
• Formato: Notación GlycoCT o IUPAC

Estrategias clave de glicoingeniería

Para anticuerpos terapéuticos

Objetivo	Estrategia	Notas
Mejorar ADCC	Defucosilación en Fc Asn297	IgG1 afucosilado tiene ~50× mejor unión a FcγRIIIa
Reducir inmunogenicidad	Eliminar glicanos no humanos	Eliminar epítopos α-Gal, NGNA
Mejorar vida media PK	Sialilación	Los glicanos sialilados extienden la vida media
Reducir inflamación	Hipersialilación	Mecanismo antiinflamatorio de IVIG
Crear escudo de glicanos	Añadir N-glicositos a la superficie	Enmascara epítopos vulnerables (diseño de vacunas)

Mutaciones comunes utilizadas

Mutación	Efecto
N297A/Q (IgG1)	Elimina la glicosilación del Fc (aglicosilado)
N297D (IgG1)	Elimina la glicosilación del Fc
S298A/E333A/K334A	Aumenta la unión a FcγRIIIa
F243L (IgG1)	Aumenta la defucosilación
T299A	Elimina la glicosilación del Fc

Notación de glicanos

Notación IUPAC condensada (abreviaturas de monosacáridos)

Símbolo	Nombre completo	Tipo
Glc	Glucosa	Hexosa
GlcNAc	N-Acetilglucosamina	HexNAc
Man	Manosa	Hexosa
Gal	Galactosa	Hexosa
Fuc	Fucosa	Desoxihexosa
Neu5Ac	Ácido N-acetilneuramínico (Ácido siálico)	Ácido siálico
GalNAc	N-Acetilgalactosamina	HexNAc

Estructura de N-glicano complejo

N-glicano biantenado complejo típico:
Neu5Ac-Gal-GlcNAc-Man\
                       Man-GlcNAc-GlcNAc-[Asn]
Neu5Ac-Gal-GlcNAc-Man/
(±Fucosa central en GlcNAc más interno)

Mejores prácticas

• Comience con NetNGlyc/NetOGlyc para predicción computacional antes de la validación experimental
• Verifique con espectrometría de masas: Glicoproteómica (Byonic, Mascot) para perfilado de glicanos sitio-específico
• Considere el contexto del sitio: No todas las secuencias predichas están realmente glicosiladas (accesibilidad, tipo celular, conformación proteica)
• Para anticuerpos: El glicano Fc N297 es crítico — caracterice siempre primero este sitio
• Use GlyConnect para verificar si su proteína de interés tiene datos de glicosilación verificados experimentalmente

Recursos adicionales

• GlyTouCan (repositorio de estructuras de glicanos): https://glytoucan.org/
• GlyConnect: https://glyconnect.expasy.org/
• CFG Functional Glycomics: http://www.functionalglycomics.org/
• Servidores DTU Health Tech (NetNGlyc, NetOGlyc): https://services.healthtech.dtu.dk/
• GlycoWorkbench: https://glycoworkbench.software.informer.com/
• Revisión: Apweiler R et al. (1999) Biochim Biophys Acta. PMID: 10564035
• Revisión de glicoingeniería terapéutica: Jefferis R (2009) Nature Reviews Drug Discovery. PMID: 19448661